#CLIP

CLIP (Contrastive Language-Image Pre-training)

一句话理解 OpenAI的图文对齐模型,用对比学习让文本和图像映射到同一个向量空间——"猫的照片"和文字"猫"在这个空间里距离很近,而"猫的照片"和文字"汽车"距离很远。 核心创新: 不是分类